数据可视化基础专题（七）：Pandas基础（六）DML 数据增删改以及相关操作

首先第一部还是导入 Pandas 与 NumPy ，并且要生成一个 DataFrame ，这里小编就简单的使用随机数的形式进行生成，代码如下：

import numpy as np
import pandas as pd

dates = pd.date_range('20200101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))

print(df)

这里最后我们打印了一下这个生成的 DataFrame ，结果如下：

                   A         B         C         D
2020-01-01  0.177499 -0.025693  0.182894 -1.123577
2020-01-02  1.067580  1.592576 -0.010205 -0.349342
2020-01-03  1.141218  1.032333  1.364477  0.851630
2020-01-04  0.920260 -0.243247  0.196369 -0.835655
2020-01-05 -0.729184 -0.235706  1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726  0.428644

1.head()

# 查看头部数据
print(df.head(1))

                   A         B         C         D
2020-01-01  0.177499 -0.025693  0.182894 -1.123577

2.tail()

# 查看尾部数据
print(df.tail(2))

                   A         B         C         D
2020-01-05 -0.729184 -0.235706  1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726  0.428644

3.index

# 获取索引
print(df.index)

DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
               '2020-01-05', '2020-01-06'],
              dtype='datetime64[ns]', freq='D')

4.columns

# 获取列名
print(df.columns)

Index(['A', 'B', 'C', 'D'], dtype='object')

5.describe()

# 查看数据的统计摘要
print(df.describe())

              A         B         C         D
count  6.000000  6.000000  6.000000  6.000000
mean   0.349414  0.187490  0.432303 -0.346153
std    0.818647  0.948383  0.663604  0.821275
min   -0.729184 -0.995325 -0.283726 -1.123577
25%   -0.316291 -0.241362  0.038070 -0.995378
50%    0.548879 -0.130700  0.189632 -0.592498
75%    1.030750  0.767826  0.907098  0.234148
max    1.141218  1.592576  1.364477  0.851630

Pandas 还为我们提供了一个神奇的功能，「转置数据」，就是把行列互换，示例如下：

# 转置数据
print(df.T)

  2020-01-01  2020-01-02  2020-01-03  2020-01-04  2020-01-05  2020-01-06
A    0.177499    1.067580    1.141218    0.920260   -0.729184   -0.480888
B   -0.025693    1.592576    1.032333   -0.243247   -0.235706   -0.995325
C    0.182894   -0.010205    1.364477    0.196369    1.144007   -0.283726
D   -1.123577   -0.349342    0.851630   -0.835655   -1.048619    0.428644

6.sort_index()

用途：默认根据行标签对所有行排序，或根据列标签对所有列排序，或根据指定某列或某几列对行排序。

注意：df.sort_index() 可以完成和 df.sort_values() 完全相同的功能，但 python 更推荐用只用 df.sort_index() 对 index 和 columns 排序，其他排序方式用 df.sort_values() 。

语法：DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, by=None)

• axis：0 按照行名排序；1 按照列名排序。
• level：默认 None ，否则按照给定的 level 顺序排列。
• ascending：默认 True 升序排列； False 降序排列。
• inplace：默认False，否则排序之后的数据直接替换原来的数据框。
• kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太关心。
• na_position：缺失值默认排在最后{"first","last"}。
• by：按照某一列或几列数据进行排序，但是by参数貌似不建议使用。

# 默认按「行标签」升序排列
print(df1.sort_index())

  b  a  c
0  2  3  3
1  3  2  8
2  1  4  1
3  2  1  2

# 按「列标签」升序排列
print(df1.sort_index(axis=1))

   a  b  c
2  4  1  1
0  3  2  3
1  2  3  8
3  1  2  2

 

7.sort_values()

用途：既可以根据列数据，也可根据行数据排序。

注意：必须指定by参数，即必须指定哪几行或哪几列；无法根据 index 和 columns 排序（由 sort_index() 执行）

语法：DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')

• axis：{0 or ‘index’, 1 or ‘columns’}, default 0，默认按照列排序，即纵向排序；如果为1，则是横向排序。
• by：str or list of str；如果axis=0，那么by="列名"；如果axis=1，那么by="行名"。
• ascending：布尔型，True则升序，如果by=['列名1','列名2']，则该参数可以是[True, False]，即第一字段升序，第二个降序。
• inplace：布尔型，是否用排序后的数据框替换现有的数据框。
• kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太关心。
• na_position：{‘first’, ‘last’}, default ‘last’，默认缺失值排在最后面。

# 按 b 列升序排序
print(df1.sort_values(by='b'))

   b  a  c
2  1  4  1
0  2  3  3
3  2  1  2
1  3  2  8

# 先按 b 列降序，再按 a 列升序排序
print(df1.sort_values(by=['b','a'],axis=0,ascending=[False,True]))

  b  a  c
1  3  2  8
3  2  1  2
0  2  3  3
2  1  4  1

 

8.删除

创建好了 DataFrame 以后，我们自然是希望可以动态的操作它，那么标准的 CRUD 操作必不可少。

获取数据示例如下，这里我们使用 df4 做演示：

d1 = {'one': [1., 2., 3., 4.],
      'two': [4., 3., 2., 1.]}


df4 = pd.DataFrame(d1, index=['a', 'b', 'c', 'd'])
print(df4)

# 删除数据
del df4['two']
df4.pop('three')
print(df4)

   one   flag
a  1.0  False
b  2.0  False
c  3.0   True
d  4.0   True

9 添加

# 插入数据
df4['foo'] = 'bar'
print(df4)

   one   flag  foo
a  1.0  False  bar
b  2.0  False  bar
c  3.0   True  bar
d  4.0   True  bar

插入与 DataFrame 索引不同的 Series 时，以 DataFrame 的索引为准：

df4['one_trunc'] = df4['one'][:2]
print(df4)

结果如下：

  one   flag  foo  one_trunc
a  1.0  False  bar        1.0
b  2.0  False  bar        2.0
c  3.0   True  bar        NaN
d  4.0   True  bar        NaN